深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 2513 篇文献，本页显示第 1641 - 1660 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1641 | 2024-09-23 |
Retracted: Evaluation and Stratification for Chinese International Education Quality with Deep Learning Model
2023, Computational and mathematical methods in medicine
DOI:10.1155/2023/9840651
PMID:37538452
|
correction | 该文章已被撤回 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1642 | 2024-09-23 |
Research Hotspots and Trends of Deep Learning in Critical Care Medicine: A Bibliometric and Visualized Study
2023, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S420709
PMID:37539364
|
研究论文 | 本研究通过文献计量学方法分析了深度学习在重症监护医学中的研究热点和趋势 | 首次系统评估了全球范围内深度学习在重症监护医学中的研究热点和趋势 | 研究主要基于文献计量学分析，缺乏实际临床应用的验证 | 系统评估深度学习在重症监护医学中的研究热点和趋势 | 全球范围内深度学习在重症监护医学中的应用研究 | 机器学习 | 重症监护医学 | 深度学习技术 | CNN, LSTM, RNN, Transformer, 注意力机制 | 文献 | 1708篇文献 | NA | NA | NA | NA |
| 1643 | 2024-09-23 |
Accelerated MRI using intelligent protocolling and subject-specific denoising applied to Alzheimer's disease imaging
2023, Frontiers in neuroimaging
DOI:10.3389/fnimg.2023.1072759
PMID:37554641
|
研究论文 | 本文通过智能协议和个体特异性去噪技术加速MRI成像，应用于阿尔茨海默病的诊断 | 利用深度学习进行对比特异性图像去噪，提高加速协议下采集数据的图像质量，并展示了个体特异性图像去噪的效果 | NA | 加速MRI成像并提高图像质量，以应用于阿尔茨海默病的诊断 | MRI成像协议的优化和图像去噪技术 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | 25个回顾性数据集 | NA | NA | NA | NA |
| 1644 | 2024-09-21 |
Detecting common coccinellids found in sorghum using deep learning models
2023-06-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-36738-5
PMID:37328502
|
研究论文 | 本文开发并训练了深度学习模型，用于检测和分类高粱中常见的瓢虫 | 首次开发了用于高粱中瓢虫检测和分类的深度学习模型 | NA | 开发自动化技术以检测和分类高粱中的瓢虫，减少对杀虫剂的依赖 | 高粱中常见的七种瓢虫 | 计算机视觉 | NA | 深度学习 | Faster R-CNN, YOLOv5, YOLOv7 | 图像 | 从iNaturalist项目中提取的图像 | NA | NA | NA | NA |
| 1645 | 2024-09-21 |
Detecting stress caused by nitrogen deficit using deep learning techniques applied on plant electrophysiological data
2023-06-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-36683-3
PMID:37316610
|
研究论文 | 本文利用深度学习技术分析植物电生理数据，检测由氮缺乏引起的植物应激反应 | 本文首次将深度学习技术应用于植物电生理记录中识别植物应激反应，无需预先计算特征，自动学习分类目标 | NA | 检测由氮缺乏引起的植物应激反应 | 16株在典型生产条件下生长的番茄植物的电生理数据 | 机器学习 | NA | 深度学习 | NA | 电生理数据 | 16株番茄植物 | NA | NA | NA | NA |
| 1646 | 2024-09-21 |
Bayesian interpolation with deep linear networks
2023-Jun-06, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2301345120
PMID:37252994
|
研究论文 | 本文研究了深度、宽度和数据集大小对模型质量的联合影响，并给出了线性网络在特定条件下的完整解决方案 | 提出了一个新的有效深度概念，并展示了无限深度线性网络在数据无关先验下的最优预测能力 | 研究仅限于输出维度为一的线性网络，并使用零噪声贝叶斯推断和均方误差作为负对数似然 | 探讨神经网络深度、宽度和数据集大小对模型质量的联合影响 | 线性网络在特定条件下的预测后验和贝叶斯模型证据 | 机器学习 | NA | 贝叶斯推断 | 线性网络 | 数值数据 | NA | NA | NA | NA | NA |
| 1647 | 2024-09-21 |
An end-to-end deep learning method for protein side-chain packing and inverse folding
2023-06-06, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2216438120
PMID:37253017
|
研究论文 | 提出了一种端到端的深度学习方法AttnPacker，用于蛋白质侧链包装和逆折叠 | AttnPacker直接利用骨架3D几何结构同时计算所有侧链坐标，无需依赖离散的旋转异构体库或进行昂贵的构象搜索和采样步骤，显著提高了计算效率 | NA | 解决蛋白质侧链包装问题，提高蛋白质结构预测、优化和设计的速度和准确性 | 蛋白质侧链构象 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | CASP13和CASP14中的天然和非天然蛋白质骨架 | NA | NA | NA | NA |
| 1648 | 2024-09-21 |
Variation in foraging activity influences area-restricted search behaviour by bottlenose dolphins
2023-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.221613
PMID:37325592
|
研究论文 | 研究了宽吻海豚的区域限制搜索行为与其觅食活动之间的关系 | 利用被动声学监测和基于深度学习的技术，首次提供了宽吻海豚区域限制搜索行为的一个驱动因素的实证证据 | 研究仅限于特定种群的宽吻海豚，且依赖于特定的声学数据 | 探讨区域限制搜索行为在海洋系统中的驱动因素 | 宽吻海豚的区域限制搜索行为及其与觅食活动的关系 | NA | NA | 被动声学监测 | 卷积神经网络 | 声学数据 | 特定种群的宽吻海豚 | NA | NA | NA | NA |
| 1649 | 2024-09-21 |
Quantitative characterization of zebrafish development based on multiple classifications using Mueller matrix OCT
2023-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.488614
PMID:37342688
|
研究论文 | 本文提出了一种基于Mueller矩阵光学相干断层扫描（Mueller matrix OCT）和深度学习的非侵入性方法，用于定量分析斑马鱼多个器官在其生长过程中的发育情况 | 结合Mueller矩阵OCT和深度学习技术，首次实现了对斑马鱼多个器官发育过程的定量分析 | NA | 开发一种非侵入性的方法，用于定量分析斑马鱼多个器官在其生长过程中的发育情况 | 斑马鱼的多个器官，包括身体、眼睛、脊柱、卵黄囊和游泳膀胱 | 生物医学工程 | NA | Mueller矩阵光学相干断层扫描（Mueller matrix OCT） | U-Net网络 | 三维图像 | 从第1天到第19天的斑马鱼胚胎 | NA | NA | NA | NA |
| 1650 | 2024-09-21 |
Prediction of clinicopathological features, multi-omics events and prognosis based on digital pathology and deep learning in HR+/HER2- breast cancer
2023-May-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-23-445
PMID:37324098
|
研究论文 | 本研究利用深度学习技术，基于数字病理图像预测HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后 | 首次在HR+/HER2-乳腺癌中应用深度学习模型预测治疗靶点和预后 | 研究样本量有限，且仅基于单一中心的病理图像数据 | 开发基于深度学习的模型，预测HR+/HER2-乳腺癌患者的临床病理特征、多组学特征及预后 | HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 病理图像 | 421例HR+/HER2-乳腺癌患者 | NA | NA | NA | NA |
| 1651 | 2024-09-21 |
Rapid protein stability prediction using deep learning representations
2023-05-15, eLife
IF:6.4Q1
DOI:10.7554/eLife.82593
PMID:37184062
|
研究论文 | 本文介绍了一种利用深度学习表示快速准确预测蛋白质稳定性的方法RaSP | RaSP方法在蛋白质稳定性预测方面与基于生物物理学的方法表现相当，并且能够在不到一秒的时间内完成饱和突变稳定性预测 | NA | 开发一种快速准确的蛋白质稳定性预测方法 | 人类蛋白质组的单氨基酸变化及其在人类群体中的变异 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | 约2.3亿个稳定性变化，涉及人类蛋白质组中的几乎所有单氨基酸变化 | NA | NA | NA | NA |
| 1652 | 2024-09-21 |
DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction
2023-Feb-28, Neurocomputing
IF:5.5Q1
DOI:10.1016/j.neucom.2022.12.024
PMID:37332394
|
研究论文 | 本文提出了一种用于密集预测任务的深度扩张卷积神经网络DDCNet | 通过在深层网络中使用扩张卷积层，实现了更大的有效感受野和更高的空间特征分辨率，同时减少了可训练参数的数量 | NA | 设计一种能够在保持高空间特征分辨率的同时提供更大感受野的网络架构 | 密集像素匹配问题，如光流和视差估计 | 计算机视觉 | NA | 扩张卷积 | CNN | 图像 | NA | NA | NA | NA | NA |
| 1653 | 2024-09-21 |
Exploiting multi-granularity visual features for retinal layer segmentation in human eyes
2023, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2023.1191803
PMID:37324431
|
研究论文 | 本文提出了一种基于ConvNeXt的端到端视网膜层分割网络，利用多粒度视觉特征进行精确分割 | 引入了新的深度高效注意力模块和多尺度结构，保留更多特征图细节 | NA | 提高视网膜层边界分割的准确性，辅助早期眼科疾病的检测 | 人眼视网膜层的分割 | 计算机视觉 | NA | ConvNeXt | ConvNeXt | 图像 | 206张健康人眼视网膜图像（NR206数据集） | NA | NA | NA | NA |
| 1654 | 2024-09-21 |
Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning
2023, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2023.1195923
PMID:37333009
|
研究论文 | 本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区 | 首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区 | 样本量较小，仅包括51名疼痛患者和20名健康对照 | 探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用 | 骨关节炎慢性疼痛患者和健康对照的脑区 | 计算机视觉 | 骨关节炎 | fMRI | CNN | 图像 | 51名疼痛患者和20名健康对照 | NA | NA | NA | NA |
| 1655 | 2024-09-21 |
A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study
2023, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.15408
PMID:37334122
|
研究论文 | 本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应 | 首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应 | 仅限于使用苏木精-伊红染色图像进行分类 | 开发一种多分类算法，用于预测直肠癌新辅助治疗的反应 | 直肠癌新辅助治疗的病理反应 | 数字病理学 | 直肠癌 | NA | 残差神经网络 (ResNet) | 图像 | NA | NA | NA | NA | NA |
| 1656 | 2024-09-21 |
A novel framework based on deep learning for COVID-19 diagnosis from X-ray images
2023, PeerJ. Computer science
DOI:10.7717/peerj-cs.1375
PMID:37346600
|
研究论文 | 本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测 | 本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 设计一种高精度的深度神经网络，用于在线识别医学图像 | COVID-19的X射线图像 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet-121 | 图像 | 涉及不同类型的肺炎数据 | NA | NA | NA | NA |
| 1657 | 2024-09-20 |
Deep learning based hybrid prediction model for predicting the spread of COVID-19 in the world's most populous countries
2023-Nov-30, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.120769
PMID:37334273
|
研究论文 | 本文开发了一种基于深度学习的混合预测模型，用于预测全球人口最多的国家中COVID-19的传播 | 本研究首次尝试预测和分析全球人口最多的国家之间的COVID-19跨国家传播 | NA | 预测COVID-19的传播，以帮助制定健康管理计划和社会经济行动计划 | 全球人口最多的国家中COVID-19的传播 | 机器学习 | COVID-19 | 深度学习 | CNN-GRU混合模型 | NA | 全球人口最多的国家 | NA | NA | NA | NA |
| 1658 | 2024-09-20 |
MRI-based T1rho and T2 cartilage compositional imaging in osteoarthritis: what have we learned and what is needed to apply it clinically and in a trial setting?
2023-Nov, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-023-04310-x
PMID:37000230
|
研究论文 | 本文探讨了基于MRI的T1rho和T2关节软骨成分成像在骨关节炎中的应用，分析了其在临床和试验设置中的现状和需求 | 开发了基于深度学习的自动软骨分割和更快的成像方法，推动了T1rho和T2成像在临床和科学试验中的可行性 | 软骨分割的挑战、图像采集时间长、成像标准化不足以及缺乏参考数据库和异常阈值定义 | 研究T1rho和T2关节软骨成分成像在骨关节炎早期诊断和治疗中的应用 | 骨关节炎患者的关节软骨 | 数字病理学 | 骨关节炎 | MRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1659 | 2024-09-20 |
ADU-Net: An Attention Dense U-Net based deep supervised DNN for automated lesion segmentation of COVID-19 from chest CT images
2023-Aug, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2023.104974
PMID:37122956
|
研究论文 | 提出了一种基于注意力密集U-Net的深度监督DNN模型，用于从胸部CT图像中自动分割COVID-19病变 | 引入了注意力机制和深度监督机制，使用5×5卷积核代替3×3卷积核，并在编码器级别引入密集连接网络 | 未提及具体限制 | 开发一种自动化的COVID-19预测框架，用于胸部CT图像的定性和定量评估 | COVID-19患者的胸部CT图像中的肺部病变 | 计算机视觉 | COVID-19 | 深度学习 | 注意力密集U-Net | 图像 | MedSeg COVID-19胸部CT分割数据集 | NA | NA | NA | NA |
| 1660 | 2024-09-20 |
Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model
2023-Jul, The international journal of cardiovascular imaging
DOI:10.1007/s10554-023-02839-5
PMID:37027105
|
研究论文 | 本文验证了一种基于深度学习的人工智能模型在冠状动脉造影图像分割中的应用 | 首次在多中心数据集上验证了该深度学习模型在冠状动脉造影图像分割中的准确性 | 研究仅限于一个月内的患者数据，且样本量相对较小 | 验证人工智能模型在冠状动脉造影图像分割中的准确性 | 冠状动脉造影图像的自动分割 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 90名患者，117张图像，123个感兴趣区域 | NA | NA | NA | NA |